[수학] 인공지능 관련 기초 수학 정리

Kyeongmin·2023년 12월 10일
0

수학

목록 보기
15/30

1. Log 함수

Log 함수란?

로그 함수란, 거듭제곱의 관계를 곱셈 또는 나눗셈 관계로 변환하는 함수이다. ( log39=2log_{3}\,9 = 2 → 3의 2제곱은 9이다.)

로그 함수는 주로 자연 로그와 상용 로그가 사용된다.
1. 자연 로그 (loge=lnlog_e = ln): 밑이 오일러 수 ee인 로그 함수이며 지수 함수의 역함수이다.
2. 상용 로그 (log10log_{10}): 밑이 10인 로그 함수이다.

Log 함수의 주요 성질

  1. logaxy  =  logax+logbclog_{a}\,xy \;=\; log_a\,x + log_b\,c
  2. logaxn  =  nlogaxlog_{a}\,x^n \;=\; n\,log_a\,x
  3. logamx  =  1mlogaxlog_{a^m}\,x \;=\; \frac{1}{m}\,log_a\,x
  4. logab  =  1logbalog_{a}\,b \;=\; \frac{1}{log_b\,a}
  5. logab  =  logcblogcalog_{a}\,b \;=\; \frac{log_c\,b}{log_c\,a}
    • logab  =  zlog_a\,b \;=\; z
      logcx  b  =  zcx=a    logca  =  xlog_{c^x}\;b \;=\; z \quad \cdots \quad c^x = a \;\rightarrow\; log_c\,a\;=\;x
      1xlogcb  =  z\frac{1}{x}\,log_c\,b \;=\; z
      yx    =  zlogcb=y\frac{y}{x} \quad\quad\;\,\;=\; z \quad \cdots \quad log_c\,b = y
      logcblogca    =  z\frac{log_c\,b}{log_c\,a} \quad\; \;=\; z
  6. alogax  =  xa^{log_{a}x}\, \;=\; x
  7. alogbcxy  =  clogbaa^{log_{b}c}\,xy \;=\; c^{log_ba}

2. 극한과 미분

극한이란?

함수에서 입력값이 어떤 지점으로 한없이 가까워질 때의 출력값을 의미한다.
수학적으로 이를 정의하기 위해 ϵδ\epsilon-\delta 논법 이라는 것이 있지만 여기선 따로 정리하진 않겠다.

극한은 미분의 순간에 대해 정의하기 위해 사용된다.

미분이란?

함수에서 순간 변화율 (그래프에서의 순간 기울기)를 의미한다.
dydx\frac{dy}{dx} 기호를 사용하여 표현한다.

미분의 주요 성질

  1. dydx  xn  =  nxn1\frac{dy}{dx}\; x^n \;=\; nx^{n-1}
  2. dydx  ex  =  ex\frac{dy}{dx}\; e^x \;=\; e^x
  3. dydx  ln(x)  =  1x\frac{dy}{dx}\; ln(x) \;=\; \frac{1}{x}
  4. dydx  log2x  =  1log21x\frac{dy}{dx}\; log_2\,x \;=\; \frac{1}{log_2} \cdot \frac{1}{x}

미분의 연쇄 법칙

미분을 여러개의 분수꼴로 나타내어 계산하는 방식이다.
단, 실제 분수는 아니기 때문에 각 분모 분자들을 곱할 수는 없고, 각 분수의 결과값들을 곱해야한다.

dzdx=dzdydydx\frac{dz}{dx} = \frac{dz}{dy} \,\cdot\,\frac{dy}{dx}

아래의 예시와 같이, 미분을 여러개의 분수꼴로 나타내고 계산할 수 있다.

d(x2+1)2dx  =  d(x2+1)2d(x2+1)    d(x2+1)dx2    dx2dx\frac{d(x^2+1)^2}{dx} \;=\; \frac{d(x^2+1)^2}{d(x^2+1)} \;\cdot\; \frac{d(x^2+1)}{dx^2} \;\cdot\; \frac{dx^2}{dx}

3. 편미분과 기울기(그라디언트)

편미분이란?

여러개의 변수로 이루어진 식을 특정 변수로만 미분하는 것을 말한다.
이때 기호는 dd 가 아닌 \partial 을 사용한다. (fx\frac{\partial f}{\partial x})

편미분을 통한 기울기(그라디언트) 계산

각 변수에 대해 편미분한 값을 벡터화하여, 어떠한 지점에서의 기울기(그라디언트)를 구할 수 있다.

아래 예시는 x,y 변수로 이루어진 식을 편미분하여
x=1, y=1 지점에서의 기울기(그라디언트)를 구하는 방법이다.

f(x,y)  =  yx2[fx  (=2xy)fy  (=x2)]    x=1,  y=1f(x,y) \;=\; yx^2 \\ \,\\ \begin{bmatrix} \frac{\partial f}{\partial x} \; (=2xy)\\ \, \\ \frac{\partial f}{\partial y} \; (=x^2)\\ \end{bmatrix} \Bigg|\;\;x=1, \; y=1
profile
개발자가 되고 싶은 공장장이🛠

0개의 댓글